ivdon3@bk.ru
В данной работе рассматривается разработка и обучение нейросетевой модели для идентификации видового и количественного состава пыльцы, которая впоследствии будет использоваться для определения ботанического происхождения медов и количественных подсчётов зёрен пыльцы, содержащихся в определённой массе мёда. Основной целью исследования является создание модели, способной эффективно различать морфологию пыльцевых зёрен, присутствующих в мёде, определять их количественный и качественный состав, что позволит улучшить контроль качества продукта, а также выявлять его ботаническое и географическое происхождение. Для этого были проанализированы похожие работы по классификации пыльцы. В качестве фреймворка для создания нейросетевой модели был выбран Pytorch, обеспечивающий возможность детальной настройки модели. Результатом работы является обученная модель, способная классифицировать пыльцевые зерна.
Ключевые слова: нейронные сети, задача классификации, классификации пыльцы, сверточные нейронные сети, PyTorch
1.2.2 - Математическое моделирование, численные методы и комплексы программ , 1.5.20 - Биологические ресурсы